論文の概要: DeepParliament: A Legal domain Benchmark & Dataset for Parliament Bills
Prediction
- arxiv url: http://arxiv.org/abs/2211.15424v1
- Date: Tue, 15 Nov 2022 04:55:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-04 14:53:09.108547
- Title: DeepParliament: A Legal domain Benchmark & Dataset for Parliament Bills
Prediction
- Title（参考訳）: DeepParliament: 議会法案予測のためのドメインベンチマークとデータセット
- Authors: Ankit Pal
- Abstract要約: 本稿では、請求書とメタデータを収集する法的ドメインベンチマークデータセットであるDeepParliamentを紹介する。
我々は2つの新しいベンチマークを提案する。
この作業は、議会法案の予測タスクを初めて提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces DeepParliament, a legal domain Benchmark Dataset that
gathers bill documents and metadata and performs various bill status
classification tasks. The proposed dataset text covers a broad range of bills
from 1986 to the present and contains richer information on parliament bill
content. Data collection, detailed statistics and analyses are provided in the
paper. Moreover, we experimented with different types of models ranging from
RNN to pretrained and reported the results. We are proposing two new
benchmarks: Binary and Multi-Class Bill Status classification. Models developed
for bill documents and relevant supportive tasks may assist Members of
Parliament (MPs), presidents, and other legal practitioners. It will help
review or prioritise bills, thus speeding up the billing process, improving the
quality of decisions and reducing the time consumption in both houses.
Considering that the foundation of the country's democracy is Parliament and
state legislatures, we anticipate that our research will be an essential
addition to the Legal NLP community. This work will be the first to present a
Parliament bill prediction task. In order to improve the accessibility of legal
AI resources and promote reproducibility, we have made our code and dataset
publicly accessible at github.com/monk1337/DeepParliament
- Abstract（参考訳）: 本稿では,請求書の文書とメタデータを収集し,各種請求書の分類処理を行う法律ドメインベンチマークデータセットであるDeepParliamentを紹介する。
提案したデータセットテキストは、1986年から現在までの幅広い法案をカバーし、議会法案の内容に関する豊富な情報を含んでいる。
論文では、データ収集、詳細な統計、分析について述べる。
さらに,RNNから事前学習まで,さまざまなモデル実験を行い,その結果を報告する。
バイナリとマルチクラスビルのステータス分類という2つの新しいベンチマークを提案しています。
法案文書や関連する支援業務のために開発されたモデルは、議員、大統領、その他の法律実務者を支援することができる。
法案の審査や優先順位付けに役立ち、請求プロセスのスピードアップ、意思決定の質の向上、両院での時間消費の削減に寄与する。
我が国の民主主義の基礎が議会と州議会であることを考えると、我々は我々の研究が法律NLPコミュニティに不可欠な追加になることを期待している。
この作業は、議会法案の予測タスクを最初に提示するものだ。
法的AIリソースのアクセシビリティを改善し、再現性を促進するため、github.com/monk1337/DeepParliamentでコードとデータセットを公開しました。
関連論文リスト
- Leveraging Knowledge Graphs and LLMs to Support and Monitor Legislative Systems [0.0]
本研究は、立法プロセスの相乗効果と支援について、立法知識グラフとLLMを用いて検討する。
この目的のために、我々は、立法分析を行う可能性を高めるイタリアの法律に焦点を当てたインタラクティブなプラットフォームであるLegis AI Platformを開発する。
論文 参考訳（メタデータ） (2024-09-20T06:21:03Z) - Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model
Collaboration [52.57055162778548]
法的判断予測(LJP)は、法律AIにおいてますます重要な課題となっている。
先行は、同様の事実を持つ以前の訴訟であり、国家法制度におけるその後の事件の判断の基礎となっている。
近年のディープラーニングの進歩により、LJPタスクの解決に様々なテクニックが使えるようになった。
論文 参考訳（メタデータ） (2023-10-13T16:47:20Z) - Leveraging Large Language Models for Topic Classification in the Domain
of Public Affairs [65.9077733300329]
大規模言語モデル (LLM) は公務員文書の分析を大幅に強化する可能性を秘めている。
LLMは、公共の分野など、ドメイン固有のドキュメントを処理するのに非常に役立ちます。
論文 参考訳（メタデータ） (2023-06-05T13:35:01Z) - Attentive Deep Neural Networks for Legal Document Retrieval [2.4350217735794337]
法令文書検索における注意型ニューラルネットワークを用いたテキスト表現法について検討した。
長い文や記事を表すために,2つの階層型アーキテクチャを開発し,それをAttentive CNN と Paraformer と命名する。
実験結果から,知覚的ニューラル法は,データセットや言語間での検索性能において,非神経的手法を著しく上回ることがわかった。
論文 参考訳（メタデータ） (2022-12-13T01:37:27Z) - A Survey on Legal Judgment Prediction: Datasets, Metrics, Models and
Challenges [73.34944216896837]
法定判断予測(LJP)は,事実記述に基づく判断結果の自動予測に自然言語処理(NLP)技術を適用している。
6言語で31のLJPデータセットを分析し、その構築過程を示し、LJPの分類方法を定義する。
異なる訴訟の8つの代表的データセットに対する最先端の結果を示し、オープンな課題について議論する。
論文 参考訳（メタデータ） (2022-04-11T04:06:28Z) - Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。
研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。
公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。
残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
論文 参考訳（メタデータ） (2022-02-03T17:25:46Z) - Learning Bill Similarity with Annotated and Augmented Corpora of Bills [9.910141281434319]
我々は,サブセクションレベルで4,721件の請求-請求関係の人間ラベル付きデータセットを構築した。
我々は複雑な紙幣作成過程を模倣して、類似度の異なる合成データを生成する。
トレーニングされたモデルを用いて、セクションレベルの類似点と請求値レベルの類似点を推測する。
論文 参考訳（メタデータ） (2021-09-14T08:50:06Z) - Prospects And Challenges In Digitization: The Case Study Of Federal
Parliament Of Nepal [0.0]
国会、書記官、国会議員、および作業中の従業員の業績は、完全にデジタル化されるべきである。
議会、委員会、その事務局の記録の全体的な活動は、調整済みのソフトウェアを通じて体系的に管理されている。
論文 参考訳（メタデータ） (2021-08-12T06:57:09Z) - Lawformer: A Pre-trained Language Model for Chinese Legal Long Documents [56.40163943394202]
我々は,中国法定長文理解のためのLongformerベースの事前学習言語モデル,Lawformerをリリースする。
判決の予測,類似事例の検索,法的読解,法的質問の回答など,さまざまな法務上の課題について法務担当者を評価した。
論文 参考訳（メタデータ） (2021-05-09T09:39:25Z) - \textit{StateCensusLaws.org}: A Web Application for Consuming and
Annotating Legal Discourse Learning [89.77347919191774]
法律テキストの対話セグメントを解析およびラベル付けするために訓練されたNLPモデルの出力を強調表示するためのWebアプリケーションを作成します。
我々は、米国国勢調査人口を用いて資源を割り当て、政府を組織する州レベルの法律に焦点を当てる。
論文 参考訳（メタデータ） (2021-04-20T22:00:54Z) - Predicting and Analyzing Law-Making in Kenya [0.012691047660244334]
結果を予測するために,請求書から抽出した特徴を組み合わせた機械学習モデルを開発し,訓練した。
法案のテキストは、法案が提出された年月や、法案が属するカテゴリほど関連性がないことを観察した。
論文 参考訳（メタデータ） (2020-06-09T20:21:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。